抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深い構造を持つ畳込みニューラルネットワーク(CNN)は,コンピュータビジョンタスクにおいて,最新が得られてた。しかし,深層ネットワークは典型的に資源集約とモバイルデバイス上で展開することは困難である。二値の重みを持つCNNは社会に説得力のある効率を示したが,そのようなモデルの精度は,実際の通常不十分である。本論文では,二値重みCNNを追求の新技術としてネットワークスケッチを導入し,実用的応用のためのより正確な推論と良好なトレードオフを標的とした。本技術の基本的なアイディアは,予め訓練されたフィルタバンクにおける直接二元構造を利用するとテンソル展開による2元重みモデルを生成した。全体のプロセスは,粗から精へのモデル近似として扱うことができ,輪郭と陰影の鉛筆描画段階に類似する。更なる生成されたモデル,すなわちスケッチをスピードアップするために,二元テンソル畳込みの連想実装を提案した。実験結果はAlexNet(またはResNet)の適切なスケッチはImageNet大規模分類タスクに大きな差でしのぐ,これは既存の2元重みモデルより優れていることを示したが,ネットワークパラメータのためのコミットされた記憶は僅かにを超えていた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】